Справочник API

Это справочник по классам и функциям scikit-learn. Пожалуйста, обратитесь к полное руководство пользователя для дальнейших деталей, так как сырые спецификации классов и функций могут быть недостаточны, чтобы дать полные руководства по их использованию. Для справки по концепциям, повторяющимся в API, см. Глоссарий общих терминов и элементов API.

Объект	Описание
config_context	Контекстный менеджер для временного изменения глобальной конфигурации scikit-learn. sklearn
get_config	Получить текущую конфигурацию scikit-learn. sklearn
set_config	Установить глобальную конфигурацию scikit-learn. sklearn
show_versions	Выводить полезную отладочную информацию. sklearn
BaseEstimator	Базовый класс для всех оценщиков в scikit-learn. sklearn.base
BiclusterMixin	теперь имеет детерминированный вывод (разрешена неоднозначность знака в разложении по собственным значениям матрицы ядра). sklearn.base
ClassNamePrefixFeaturesOutMixin	Миксин-класс для трансформеров, которые генерируют свои имена с помощью префиксов. sklearn.base
ClassifierMixin	Mixin-класс для всех классификаторов в scikit-learn. sklearn.base
ClusterMixin	Миксин-класс для всех кластерных оценщиков в scikit-learn. sklearn.base
DensityMixin	Миксин-класс для всех оценщиков плотности в scikit-learn. sklearn.base
MetaEstimatorMixin	Миксин-класс для всех мета-оценщиков в scikit-learn. sklearn.base
OneToOneFeatureMixin	Предоставляет get_feature_names_out для простых трансформеров. sklearn.base
OutlierMixin	Миксин-класс для всех оценщиков обнаружения выбросов в scikit-learn. sklearn.base
RegressorMixin	Миксин-класс для всех регрессионных оценщиков в scikit-learn. sklearn.base
TransformerMixin	Миксин-класс для всех преобразователей в scikit-learn. sklearn.base
clone	Создать новый необученный оценщик с теми же параметрами. sklearn.base
is_classifier	Возвращает True, если данный оценщик (вероятно) является классификатором. sklearn.base
is_clusterer	Возвращает True, если данный оценщик (вероятно) является кластеризатором. sklearn.base
is_regressor	Возвращает True, если данный estimator (вероятно) является регрессором. sklearn.base
is_outlier_detector	Возвращает True, если данный оценщик (вероятно) является детектором выбросов. sklearn.base
CalibratedClassifierCV	Калибровка вероятностей с использованием изотонического, сигмоидного или температурного масштабирования. sklearn.calibration
calibration_curve	Вычислить истинные и предсказанные вероятности для калибровочной кривой. sklearn.calibration
CalibrationDisplay	Визуализация калибровочной кривой (также известной как диаграмма надежности). sklearn.calibration
AffinityPropagation	Выполнить кластеризацию данных методом распространения близости. sklearn.cluster
AgglomerativeClustering	Агломеративная кластеризация. sklearn.cluster
Birch	Реализует алгоритм кластеризации BIRCH. sklearn.cluster
BisectingKMeans	Биссекционный K-Means кластеризация. sklearn.cluster
DBSCAN	Выполнить кластеризацию DBSCAN из массива векторов или матрицы расстояний. sklearn.cluster
FeatureAgglomeration	Агломерировать признаки. sklearn.cluster
HDBSCAN	Кластеризация данных с использованием иерархической кластеризации на основе плотности. sklearn.cluster
KMeans	Кластеризация K-Means. sklearn.cluster
MeanShift	Кластеризация методом сдвига среднего с использованием плоского ядра. sklearn.cluster
MiniBatchKMeans	Кластеризация Mini-Batch K-Means. sklearn.cluster
OPTICS	Оценка структуры кластеризации из массива векторов. sklearn.cluster
SpectralBiclustering	Спектральная бикластеризация (Kluger, 2003) [R2af9f5762274-1]. sklearn.cluster
SpectralClustering	Применить кластеризацию к проекции нормализованного лапласиана. sklearn.cluster
SpectralCoclustering	Алгоритм спектрального совместного кластерирования (Dhillon, 2001) [R0dd0f3306ba7-1]. sklearn.cluster
affinity_propagation	Выполнить кластеризацию данных методом распространения близости. sklearn.cluster
cluster_optics_dbscan	Выполнить извлечение DBSCAN для произвольного эпсилон. sklearn.cluster
cluster_optics_xi	Автоматически извлекать кластеры в соответствии с методом Xi-steep. sklearn.cluster
compute_optics_graph	Вычислите граф достижимости OPTICS. sklearn.cluster
dbscan	Выполнить кластеризацию DBSCAN из массива векторов или матрицы расстояний. sklearn.cluster
estimate_bandwidth	Оцените ширину полосы для использования с алгоритмом mean-shift. sklearn.cluster
k_means	Выполнить алгоритм кластеризации K-средних. sklearn.cluster
kmeans_plusplus	Инициализировать n_clusters начальных значений в соответствии с k-means++. sklearn.cluster
mean_shift	Выполните кластеризацию методом сдвига среднего с использованием плоского ядра. sklearn.cluster
spectral_clustering	Применить кластеризацию к проекции нормализованного лапласиана. sklearn.cluster
ward_tree	Кластеризация Уорда на основе матрицы признаков. sklearn.cluster
ColumnTransformer	Применяет преобразователи к столбцам массива или pandas DataFrame. sklearn.compose
TransformedTargetRegressor	Мета-оценщик для регрессии на преобразованной цели. sklearn.compose
make_column_selector	Создать вызываемый объект для выбора столбцов для использования с sklearn.compose
make_column_transformer	Создать ColumnTransformer из заданных преобразователей. sklearn.compose
EllipticEnvelope	Объект для обнаружения выбросов в наборе данных с гауссовым распределением. sklearn.covariance
EmpiricalCovariance	Оценка ковариации методом максимального правдоподобия. sklearn.covariance
GraphicalLasso	Оценка разреженной обратной ковариации с оценщиком, использующим штраф L1. sklearn.covariance
GraphicalLassoCV	Разреженная обратная ковариация с кросс-валидированным выбором штрафа l1. sklearn.covariance
LedoitWolf	Оценщик LedoitWolf. sklearn.covariance
MinCovDet	Minimum Covariance Determinant (MCD): робастный оцениватель ковариации. sklearn.covariance
OAS	Oracle Approximating Shrinkage Estimator. sklearn.covariance
ShrunkCovariance	Оценщик ковариации с сжатием. sklearn.covariance
empirical_covariance	Вычислить оценку ковариации методом максимального правдоподобия. sklearn.covariance
graphical_lasso	Оценщик ковариации с L1-штрафом. sklearn.covariance
ledoit_wolf	Оцените сжатую ковариационную матрицу Ледойта-Вольфа. sklearn.covariance
ledoit_wolf_shrinkage	Оцените сжатую ковариационную матрицу Ледойта-Вольфа. sklearn.covariance
oas	Оценить ковариацию с Oracle Approximating Shrinkage. sklearn.covariance
shrunk_covariance	Вычислить ковариационные матрицы, сжатые по диагонали. sklearn.covariance
CCA	Канонический корреляционный анализ, также известный как "Режим B" PLS. sklearn.cross_decomposition
PLSCanonical	Преобразователь и регрессор частичных наименьших квадратов. sklearn.cross_decomposition
PLSRegression	PLS регрессия. sklearn.cross_decomposition
PLSSVD	Частичный метод наименьших квадратов SVD. sklearn.cross_decomposition
clear_data_home	Удалить все содержимое кэша домашней директории данных. sklearn.datasets
dump_svmlight_file	Сохранить набор данных в формате файла svmlight / libsvm. sklearn.datasets
fetch_20newsgroups	Загрузка имён файлов и данных из набора данных 20 новостных групп (классификация). sklearn.datasets
fetch_20newsgroups_vectorized	Загрузить и векторизовать набор данных 20 newsgroups (классификация). sklearn.datasets
fetch_california_housing	Загрузить набор данных о жилье в Калифорнии (регрессия). sklearn.datasets
fetch_covtype	Загрузите набор данных covertype (классификация). sklearn.datasets
fetch_file	Загрузите файл из интернета, если он еще не присутствует в локальной папке. sklearn.datasets
fetch_kddcup99	Загрузить набор данных kddcup99 (классификация). sklearn.datasets
fetch_lfw_pairs	Загрузить набор данных пар Labeled Faces in the Wild (LFW) (классификация). sklearn.datasets
fetch_lfw_people	Загрузить набор данных Labeled Faces in the Wild (LFW) людей (классификация). sklearn.datasets
fetch_olivetti_faces	Загрузите набор данных лиц Olivetti от AT&T (классификация). sklearn.datasets
fetch_openml	Загрузите набор данных из openml по имени или идентификатору набора данных. sklearn.datasets
fetch_rcv1	Загрузите многометочный набор данных RCV1 (классификация). sklearn.datasets
fetch_species_distributions	Загрузчик набора данных о распространении видов от Phillips et. al. (2006). sklearn.datasets
get_data_home	Возвращает путь к каталогу данных scikit-learn. sklearn.datasets
load_breast_cancer	Загрузить и вернуть набор данных о раке молочной железы в Висконсине (классификация). sklearn.datasets
load_diabetes	Загружает и возвращает набор данных по диабету (регрессия). sklearn.datasets
load_digits	Загрузить и вернуть набор данных digits (классификация). sklearn.datasets
load_files	Загрузить текстовые файлы с категориями в качестве имён подпапок. sklearn.datasets
load_iris	Загружает и возвращает набор данных ирисов (классификация). sklearn.datasets
load_linnerud	Загружает и возвращает набор данных Linnerud по физическим упражнениям. sklearn.datasets
load_sample_image	Загрузить массив numpy одного примера изображения. sklearn.datasets
load_sample_images	Загрузить примеры изображений для манипуляций с изображениями. sklearn.datasets
load_svmlight_file	Загрузить наборы данных в формате svmlight / libsvm в разреженную CSR-матрицу. sklearn.datasets
load_svmlight_files	Загрузить набор данных из нескольких файлов в формате SVMlight. sklearn.datasets
load_wine	Загрузить и вернуть набор данных wine (классификация). sklearn.datasets
make_biclusters	Сгенерировать массив структуры постоянного блочного диагоналя для бикластеризации. sklearn.datasets
make_blobs	Сгенерировать изотропные гауссовы сгустки для кластеризации. sklearn.datasets
make_checkerboard	Сгенерировать массив с блочной шахматной структурой для бикластеризации. sklearn.datasets
make_circles	Создать большой круг, содержащий меньший круг в 2D. sklearn.datasets
make_classification	Сгенерировать случайную задачу классификации на n классов. sklearn.datasets
make_friedman1	Сгенерировать регрессионную задачу "Friedman #1". sklearn.datasets
make_friedman2	Сгенерировать регрессионную задачу "Фридмана #2". sklearn.datasets
make_friedman3	Сгенерировать регрессионную задачу "Фридмана #3". sklearn.datasets
make_gaussian_quantiles	Генерировать изотропные гауссовы выборки и метки по квантилям. sklearn.datasets
make_hastie_10_2	Сгенерировать данные для бинарной классификации, использованные в Hastie et al. 2009, Пример 10.2. sklearn.datasets
make_low_rank_matrix	Сгенерировать в основном низкоранговую матрицу с колоколообразными сингулярными значениями. sklearn.datasets
make_moons	Создайте два переплетающихся полукруга. sklearn.datasets
make_multilabel_classification	Сгенерировать случайную многометочную задачу классификации. sklearn.datasets
make_regression	Сгенерировать случайную регрессионную задачу. sklearn.datasets
make_s_curve	Сгенерировать набор данных S-кривой. sklearn.datasets
make_sparse_coded_signal	Сгенерировать сигнал как разреженную комбинацию элементов словаря. sklearn.datasets
make_sparse_spd_matrix	Сгенерировать разреженную симметричную положительно определённую матрицу. sklearn.datasets
make_sparse_uncorrelated	Сгенерировать случайную регрессионную задачу с разреженным некоррелированным дизайном. sklearn.datasets
make_spd_matrix	Генерирует случайную симметричную, положительно определённую матрицу. sklearn.datasets
make_swiss_roll	Сгенерировать набор данных 'швейцарский рулет'. sklearn.datasets
DictionaryLearning	Словарное обучение. sklearn.decomposition
FactorAnalysis	Факторный анализ (FA). sklearn.decomposition
FastICA	FastICA: быстрый алгоритм для независимого компонентного анализа. sklearn.decomposition
IncrementalPCA	Инкрементальный анализ главных компонент (IPCA). sklearn.decomposition
KernelPCA	Анализ главных компонент с ядром (KPCA). sklearn.decomposition
LatentDirichletAllocation	Латентное размещение Дирихле с алгоритмом онлайн вариационного Байеса. sklearn.decomposition
MiniBatchDictionaryLearning	Мини-пакетное словарное обучение. sklearn.decomposition
MiniBatchNMF	Мини-пакетное неотрицательное матричное разложение (NMF). sklearn.decomposition
MiniBatchSparsePCA	Мини-пакетный разреженный анализ главных компонент. sklearn.decomposition
NMF	Неотрицательная матричная факторизация (NMF). sklearn.decomposition
PCA	Метод главных компонент (PCA). sklearn.decomposition
SparseCoder	Разреженное кодирование. sklearn.decomposition
SparsePCA	Разреженный анализ главных компонент (SparsePCA). sklearn.decomposition
TruncatedSVD	Снижение размерности с использованием усеченного SVD (также известного как LSA). sklearn.decomposition
dict_learning	Решить задачу матричной факторизации обучения словаря. sklearn.decomposition
dict_learning_online	Решить задачу матричной факторизации словарного обучения онлайн. sklearn.decomposition
fastica	Выполнить быстрый независимый компонентный анализ. sklearn.decomposition
non_negative_factorization	Вычислить неотрицательную матричную факторизацию (NMF). sklearn.decomposition
sparse_encode	Разреженное кодирование. sklearn.decomposition
LinearDiscriminantAnalysis	Линейный дискриминантный анализ. sklearn.discriminant_analysis
QuadraticDiscriminantAnalysis	Квадратичный дискриминантный анализ. sklearn.discriminant_analysis
DummyClassifier	DummyClassifier делает предсказания, игнорируя входные признаки. sklearn.dummy
DummyRegressor	Регрессор, который делает прогнозы с использованием простых правил. sklearn.dummy
AdaBoostClassifier	Классификатор AdaBoost. sklearn.ensemble
AdaBoostRegressor	Регрессор AdaBoost. sklearn.ensemble
BaggingClassifier	Классификатор Bagging. sklearn.ensemble
BaggingRegressor	Бэггинг-регрессор. sklearn.ensemble
ExtraTreesClassifier	Классификатор extra-trees. sklearn.ensemble
ExtraTreesRegressor	Экстра-деревья регрессор. sklearn.ensemble
GradientBoostingClassifier	Градиентный бустинг для классификации. sklearn.ensemble
GradientBoostingRegressor	Градиентный бустинг для регрессии. sklearn.ensemble
HistGradientBoostingClassifier	Гистограммный градиентный бустинг для классификационных деревьев. sklearn.ensemble
HistGradientBoostingRegressor	Гистограммное градиентное бустинговое дерево регрессии. sklearn.ensemble
IsolationForest	Алгоритм Isolation Forest. sklearn.ensemble
RandomForestClassifier	Классификатор случайного леса. sklearn.ensemble
RandomForestRegressor	Регрессор случайного леса. sklearn.ensemble
RandomTreesEmbedding	Ансамбль полностью случайных деревьев. sklearn.ensemble
StackingClassifier	Стек оценщиков с финальным классификатором. sklearn.ensemble
StackingRegressor	Стек оценщиков с финальным регрессором. sklearn.ensemble
VotingClassifier	Классификатор мягкого голосования/правила большинства для необученных оценщиков. sklearn.ensemble
VotingRegressor	Регрессор голосования предсказаний для необученных оценщиков. sklearn.ensemble
ConvergenceWarning	Пользовательское предупреждение для захвата проблем сходимости sklearn.exceptions
DataConversionWarning	Предупреждение, используемое для уведомления о неявных преобразованиях данных в коде. sklearn.exceptions
DataDimensionalityWarning	Пользовательское предупреждение для уведомления о потенциальных проблемах с размерностью данных. sklearn.exceptions
EfficiencyWarning	Предупреждение, используемое для уведомления пользователя о неэффективных вычислениях. sklearn.exceptions
FitFailedWarning	Класс предупреждения, используемый при возникновении ошибки во время обучения оценщика. sklearn.exceptions
InconsistentVersionWarning	Предупреждение, возникающее при распаковке оценщика с несовместимой версией. sklearn.exceptions
NotFittedError	Класс исключения для вызова, если оценщик используется до обучения. sklearn.exceptions
UndefinedMetricWarning	Предупреждение, используемое когда метрика недействительна sklearn.exceptions
EstimatorCheckFailedWarning	Предупреждение, возникающее при неудачной проверке оценщика в общих тестах. sklearn.exceptions
enable_halving_search_cv	Включает оценщики поиска с последовательным сокращением вдвое sklearn.experimental
enable_iterative_imputer	Включает IterativeImputer sklearn.experimental
DictVectorizer	Преобразует списки сопоставлений признак-значение в векторы. sklearn.feature_extraction
FeatureHasher	Реализует хеширование признаков, также известное как трюк с хешированием. sklearn.feature_extraction
PatchExtractor	Извлекает патчи из коллекции изображений. sklearn.feature_extraction.image
extract_patches_2d	Преобразование 2D изображения в набор патчей. sklearn.feature_extraction.image
grid_to_graph	Граф соединений пиксель-к-пикселю. sklearn.feature_extraction.image
img_to_graph	Граф связей градиента от пикселя к пикселю. sklearn.feature_extraction.image
reconstruct_from_patches_2d	Восстановить изображение из всех его патчей. sklearn.feature_extraction.image
CountVectorizer	Преобразование коллекции текстовых документов в матрицу количества токенов. sklearn.feature_extraction.text
HashingVectorizer	Преобразовать коллекцию текстовых документов в матрицу встречаемости токенов. sklearn.feature_extraction.text
TfidfTransformer	Преобразовать матрицу частот в нормализованное представление tf или tf-idf. sklearn.feature_extraction.text
TfidfVectorizer	Преобразовать коллекцию необработанных документов в матрицу признаков TF-IDF. sklearn.feature_extraction.text
GenericUnivariateSelect	Одномерный селектор признаков с настраиваемой стратегией. sklearn.feature_selection
RFE	Ранжирование признаков с рекурсивным исключением признаков. sklearn.feature_selection
RFECV	Рекурсивное исключение признаков с перекрестной проверкой для выбора признаков. sklearn.feature_selection
SelectFdr	Фильтр: Выбрать p-значения для расчетной частоты ложных открытий. sklearn.feature_selection
SelectFpr	Фильтр: Выбрать p-значения ниже alpha на основе теста FPR. sklearn.feature_selection
SelectFromModel	Мета-трансформер для выбора признаков на основе весов важности. sklearn.feature_selection
SelectFwe	Фильтр: Выберите p-значения, соответствующие семейной ошибке. sklearn.feature_selection
SelectKBest	Выбор признаков по k наивысшим оценкам. sklearn.feature_selection
SelectPercentile	Выбор признаков в соответствии с процентилем наивысших оценок. sklearn.feature_selection
SelectorMixin	Миксин-трансформер, выполняющий выбор признаков по заданной маске поддержки sklearn.feature_selection
SequentialFeatureSelector	Преобразователь, выполняющий последовательный отбор признаков. sklearn.feature_selection
VarianceThreshold	Селектор признаков, который удаляет все признаки с низкой дисперсией. sklearn.feature_selection
chi2	Вычислите статистику хи-квадрат между каждым неотрицательным признаком и классом. sklearn.feature_selection
f_classif	Вычислить F-значение ANOVA для предоставленной выборки. sklearn.feature_selection
f_regression	Одномерные линейные регрессионные тесты, возвращающие F-статистику и p-значения. sklearn.feature_selection
mutual_info_classif	Оценить взаимную информацию для дискретной целевой переменной. sklearn.feature_selection
mutual_info_regression	Оценить взаимную информацию для непрерывной целевой переменной. sklearn.feature_selection
r_regression	Вычислите коэффициент корреляции Пирсона r для каждого признака и целевой переменной. sklearn.feature_selection
FrozenEstimator	Оценщик, который оборачивает обученный оценщик, чтобы предотвратить повторное обучение. sklearn.frozen
GaussianProcessClassifier	Гауссовский процесс классификации (GPC) на основе аппроксимации Лапласа. sklearn.gaussian_process
GaussianProcessRegressor	Гауссовский процесс регрессии (GPR). sklearn.gaussian_process
CompoundKernel	Ядро, которое состоит из набора других ядер. sklearn.gaussian_process.kernels
ConstantKernel	Постоянное ядро. sklearn.gaussian_process.kernels
DotProduct	Ядро скалярного произведения. sklearn.gaussian_process.kernels
ExpSineSquared	Ядро Exp-Sine-Squared (также известное как периодическое ядро). sklearn.gaussian_process.kernels
Exponentiation	Ядро возведения в степень принимает одно базовое ядро и скалярный параметр sklearn.gaussian_process.kernels
Hyperparameter	Спецификация гиперпараметра ядра в виде namedtuple. sklearn.gaussian_process.kernels
Kernel	Базовый класс для всех ядер. sklearn.gaussian_process.kernels
Matern	Ядро Матерна. sklearn.gaussian_process.kernels
PairwiseKernel	Обертка для ядер в sklearn.metrics.pairwise. sklearn.gaussian_process.kernels
Product	The Product ядро принимает два ядра \(k_1\) и \(k_2\) sklearn.gaussian_process.kernels
RBF	Радиально-базисная функция ядра (также известная как квадратно-экспоненциальное ядро). sklearn.gaussian_process.kernels
RationalQuadratic	Ядро Rational Quadratic. sklearn.gaussian_process.kernels
Sum	The Sum ядро принимает два ядра \(k_1\) и \(k_2\) sklearn.gaussian_process.kernels
WhiteKernel	Ядро Уайта. sklearn.gaussian_process.kernels
IterativeImputer	Многомерный импутер, который оценивает каждый признак по всем остальным. sklearn.impute
KNNImputer	Импутация для заполнения пропущенных значений с использованием k-ближайших соседей. sklearn.impute
MissingIndicator	Бинарные индикаторы пропущенных значений. sklearn.impute
SimpleImputer	Одномерный импутер для заполнения пропущенных значений простыми стратегиями. sklearn.impute
partial_dependence	Частная зависимость features. sklearn.inspection
permutation_importance	Важность перестановок для оценки признаков [Rd9e56ef97513-BRE]. sklearn.inspection
DecisionBoundaryDisplay	Визуализация границ решений. sklearn.inspection
PartialDependenceDisplay	График частичной зависимости (PDP) и индивидуальное условное ожидание (ICE). sklearn.inspection
IsotonicRegression	Модель изотонической регрессии. sklearn.isotonic
check_increasing	Определить, является ли y монотонно коррелированным с x. sklearn.isotonic
isotonic_regression	Решить модель изотонической регрессии. sklearn.isotonic
AdditiveChi2Sampler	Приближенное отображение признаков для аддитивного хи-квадрат ядра. sklearn.kernel_approximation
Nystroem	Приближение карты ядра с использованием подмножества обучающих данных. sklearn.kernel_approximation
PolynomialCountSketch	Аппроксимация полиномиального ядра с помощью Tensor Sketch. sklearn.kernel_approximation
RBFSampler	Аппроксимируйте карту признаков ядра RBF с использованием случайных признаков Фурье. sklearn.kernel_approximation
SkewedChi2Sampler	Приближенное отображение признаков для "скошенного хи-квадрат" ядра. sklearn.kernel_approximation
KernelRidge	Регрессия ядерного гребня. sklearn.kernel_ridge
LogisticRegression	Классификатор логистической регрессии (также известный как logit, MaxEnt). sklearn.linear_model
LogisticRegressionCV	Логистическая регрессия CV (также известная как logit, MaxEnt) классификатор. sklearn.linear_model
PassiveAggressiveClassifier	Пассивно-агрессивный классификатор. sklearn.linear_model
Perceptron	Линейный классификатор перцептрона. sklearn.linear_model
RidgeClassifier	Классификатор с использованием Ridge-регрессии. sklearn.linear_model
RidgeClassifierCV	Ридж-классификатор со встроенной перекрестной проверкой. sklearn.linear_model
SGDClassifier	Линейные классификаторы (SVM, логистическая регрессия и т.д.) с обучением SGD. sklearn.linear_model
SGDOneClassSVM	Решает линейную One-Class SVM с использованием стохастического градиентного спуска. sklearn.linear_model
LinearRegression	Линейная регрессия методом наименьших квадратов. sklearn.linear_model
Ridge	Линейные наименьшие квадраты с L2-регуляризацией. sklearn.linear_model
RidgeCV	Ридж-регрессия со встроенной кросс-валидацией. sklearn.linear_model
SGDRegressor	Линейная модель, обученная путем минимизации регуляризованной эмпирической потери с SGD. sklearn.linear_model
ElasticNet	Линейная регрессия с комбинированными априорными распределениями L1 и L2 в качестве регуляризатора. sklearn.linear_model
ElasticNetCV	Модель Elastic Net с итеративной подгонкой вдоль пути регуляризации. sklearn.linear_model
Lars	Модель регрессии с наименьшим углом, также известная как LAR. sklearn.linear_model
LarsCV	Кросс-валидированная модель регрессии наименьшего угла. sklearn.linear_model
Lasso	Линейная модель, обученная с априорным распределением L1 в качестве регуляризатора (также известная как Lasso). sklearn.linear_model
LassoCV	Лассо линейная модель с итеративной подгонкой вдоль пути регуляризации. sklearn.linear_model
LassoLars	Модель Lasso, обученная с использованием метода наименьших углов, также известного как Lars. sklearn.linear_model
LassoLarsCV	Лассо с кросс-валидацией, использующий алгоритм LARS. sklearn.linear_model
LassoLarsIC	Модель Lasso, обученная с помощью Lars с использованием BIC или AIC для выбора модели. sklearn.linear_model
OrthogonalMatchingPursuit	Модель ортогонального согласованного преследования (OMP). sklearn.linear_model
OrthogonalMatchingPursuitCV	Кросс-валидированная модель Orthogonal Matching Pursuit (OMP). sklearn.linear_model
ARDRegression	Байесовская ARD-регрессия. sklearn.linear_model
BayesianRidge	Байесовская гребневая регрессия. sklearn.linear_model
MultiTaskElasticNet	Модель Multi-task ElasticNet, обученная с L1/L2 смешанной нормой в качестве регуляризатора. sklearn.linear_model
MultiTaskElasticNetCV	Многозадачный L1/L2 ElasticNet со встроенной кросс-валидацией. sklearn.linear_model
MultiTaskLasso	Многозадачная модель Lasso, обученная с регуляризацией смешанной нормы L1/L2. sklearn.linear_model
MultiTaskLassoCV	Многозадачная модель Lasso, обученная с регуляризацией смешанной нормы L1/L2. sklearn.linear_model
HuberRegressor	L2-регуляризованная линейная регрессионная модель, устойчивая к выбросам. sklearn.linear_model
QuantileRegressor	Модель линейной регрессии, предсказывающая условные квантили. sklearn.linear_model
RANSACRegressor	Алгоритм RANSAC (RANdom SAmple Consensus). sklearn.linear_model
TheilSenRegressor	Оценщик Тейла-Сена: устойчивая многомерная модель регрессии. sklearn.linear_model
GammaRegressor	Обобщённая линейная модель с гамма-распределением. sklearn.linear_model
PoissonRegressor	Обобщённая линейная модель с распределением Пуассона. sklearn.linear_model
TweedieRegressor	Обобщенная линейная модель с распределением Твиди. sklearn.linear_model
PassiveAggressiveRegressor	Пассивно-агрессивный регрессор. sklearn.linear_model
enet_path	Вычисление пути эластичной сети с координатным спуском. sklearn.linear_model
lars_path	Вычисляет путь Least Angle Regression или Lasso с использованием алгоритма LARS. sklearn.linear_model
lars_path_gram	lars_path в режиме достаточной статистики. sklearn.linear_model
lasso_path	Вычислить путь Lasso с координатным спуском. sklearn.linear_model
orthogonal_mp	Ортогональный жадный поиск (OMP). sklearn.linear_model
orthogonal_mp_gram	Грам Ортогональный Поиск Совпадений (OMP). sklearn.linear_model
ridge_regression	Решите уравнение гребневой регрессии методом нормальных уравнений. sklearn.linear_model
ClassicalMDS	Классическое многомерное шкалирование (MDS). sklearn.manifold
Isomap	Изометрическое вложение. sklearn.manifold
LocallyLinearEmbedding	Локально-линейное вложение. sklearn.manifold
MDS	Многомерное шкалирование. sklearn.manifold
SpectralEmbedding	Спектральное вложение для нелинейного уменьшения размерности. sklearn.manifold
TSNE	Стохастическое вложение соседей с t-распределением. sklearn.manifold
locally_linear_embedding	Выполнить анализ локально линейного вложения на данных. sklearn.manifold
smacof	Вычисление многомерного шкалирования с использованием алгоритма SMACOF. sklearn.manifold
spectral_embedding	Проецируйте выборку на первые собственные векторы графа Лапласиана. sklearn.manifold
trustworthiness	Укажите, в какой степени сохраняется локальная структура. sklearn.manifold
check_scoring	Определить оценщик из пользовательских опций. sklearn.metrics
get_scorer	Получить оценщик из строки. sklearn.metrics
get_scorer_names	Получить имена всех доступных скореров. sklearn.metrics
make_scorer	Создать оценщик из метрики производительности или функции потерь. sklearn.metrics
accuracy_score	Оценка точности классификации. sklearn.metrics
auc	Вычислить площадь под кривой (AUC) с использованием правила трапеций. sklearn.metrics
average_precision_score	Вычислите среднюю точность (AP) из оценок предсказания. sklearn.metrics
balanced_accuracy_score	Вычисление сбалансированной точности. sklearn.metrics
brier_score_loss	Вычислить потерю по шкале Брайера. sklearn.metrics
class_likelihood_ratios	Вычислить положительные и отрицательные отношения правдоподобия для бинарной классификации. sklearn.metrics
classification_report	Построить текстовый отчет, показывающий основные метрики классификации. sklearn.metrics
cohen_kappa_score	Вычислить каппу Коэна: статистику, измеряющую согласие между аннотаторами. sklearn.metrics
confusion_matrix	Вычисление матрицы ошибок для оценки точности классификации. sklearn.metrics
confusion_matrix_at_thresholds	Вычислить бинарный термины матрицы ошибок для каждого порога классификации. sklearn.metrics
d2_brier_score	\(D^2\) функция оценки, доля объяснённого скора Брайера. sklearn.metrics
d2_log_loss_score	\(D^2\) функция оценки, доля объясненной логарифмической потери. sklearn.metrics
dcg_score	Вычисление дисконтированного кумулятивного выигрыша. sklearn.metrics
det_curve	Вычислите компромисс между ошибками обнаружения (DET) для различных порогов вероятности. sklearn.metrics
f1_score	Вычислите оценку F1, также известную как сбалансированная F-оценка или F-мера. sklearn.metrics
fbeta_score	Вычислить F-бета оценку. sklearn.metrics
hamming_loss	Вычисляет среднюю потерю Хэмминга. sklearn.metrics
hinge_loss	Средняя потеря на шарнире (нерегуляризованная). sklearn.metrics
jaccard_score	Коэффициент сходства Жаккара. sklearn.metrics
log_loss	Логарифмические потери, также известные как логистические потери или потери перекрестной энтропии. sklearn.metrics
matthews_corrcoef	Вычислить коэффициент корреляции Мэттьюса (MCC). sklearn.metrics
multilabel_confusion_matrix	Вычислить матрицу ошибок для каждого класса или образца. sklearn.metrics
ndcg_score	Вычислить нормализованный дисконтированный кумулятивный выигрыш. sklearn.metrics
precision_recall_curve	Вычислите пары точность-полнота для различных порогов вероятности. sklearn.metrics
precision_recall_fscore_support	Вычислить точность, полноту, F-меру и поддержку для каждого класса. sklearn.metrics
precision_score	Вычислить точность. sklearn.metrics
recall_score	Вычислить полноту (recall). sklearn.metrics
roc_auc_score	Вычисление площади под кривой рабочих характеристик приемника (ROC AUC) по прогнозным оценкам. sklearn.metrics
roc_curve	Вычислить характеристическую кривую оператора (ROC). sklearn.metrics
top_k_accuracy_score	Оценка классификации по точности Top-k. sklearn.metrics
zero_one_loss	Потеря классификации ноль-один. sklearn.metrics
d2_absolute_error_score	\(D^2\) функция оценки регрессии, доля абсолютной ошибки, объясненная. sklearn.metrics
d2_pinball_score	\(D^2\) функция оценки регрессии, доля объяснённой потери пинбола. sklearn.metrics
d2_tweedie_score	\(D^2\) функция оценки регрессии, доля объяснённого отклонения Твиди. sklearn.metrics
explained_variance_score	Функция оценки регрессии по объясненной дисперсии. sklearn.metrics
max_error	Метрика max_error вычисляет максимальную остаточную ошибку. sklearn.metrics
mean_absolute_error	Средняя абсолютная ошибка регрессии. sklearn.metrics
mean_absolute_percentage_error	Средняя абсолютная процентная ошибка (MAPE) потерь регрессии. sklearn.metrics
mean_gamma_deviance	Средняя гамма-девиансная регрессионная потеря. sklearn.metrics
mean_pinball_loss	Потеря пинбола для квантильной регрессии. sklearn.metrics
mean_poisson_deviance	Средняя регрессионная потеря по отклонению Пуассона. sklearn.metrics
mean_squared_error	Среднеквадратичная ошибка регрессии. sklearn.metrics
mean_squared_log_error	Среднеквадратичная логарифмическая ошибка регрессии. sklearn.metrics
mean_tweedie_deviance	Средняя регрессионная потеря по отклонению Твиди. sklearn.metrics
median_absolute_error	Медианная абсолютная ошибка регрессии. sklearn.metrics
r2_score	\(R^2\) (коэффициент детерминации) функция оценки регрессии. sklearn.metrics
root_mean_squared_error	Среднеквадратичная ошибка регрессии. sklearn.metrics
root_mean_squared_log_error	Среднеквадратичная логарифмическая ошибка регрессии. sklearn.metrics
coverage_error	Мера ошибки покрытия (coverage error). sklearn.metrics
label_ranking_average_precision_score	Вычислите среднюю точность на основе ранжирования. sklearn.metrics
label_ranking_loss	Вычислить меру потерь ранжирования. sklearn.metrics
adjusted_mutual_info_score	Скорректированная взаимная информация между двумя кластеризациями. sklearn.metrics
adjusted_rand_score	Индекс Рэнда, скорректированный на случайность. sklearn.metrics
calinski_harabasz_score	Вычислить оценку Калинского и Харабаша. sklearn.metrics
contingency_matrix	Построение матрицы сопряженности, описывающей связь между метками. sklearn.metrics.cluster
pair_confusion_matrix	Матрица парных несоответствий, возникающая из двух кластеризаций. sklearn.metrics.cluster
completeness_score	: Вычисляет порог для приемлемой производительности (лучший результат - 1 ст. откл.) sklearn.metrics
davies_bouldin_score	Вычислить оценку Дэвиса-Болдина. sklearn.metrics
fowlkes_mallows_score	Измеряет сходство двух кластеризаций набора точек. sklearn.metrics
homogeneity_completeness_v_measure	Вычислить однородность, полноту и показатель V-Measure за один раз. sklearn.metrics
homogeneity_score	Метрика однородности кластерной разметки при заданной истинной разметке. sklearn.metrics
mutual_info_score	Взаимная информация между двумя кластеризациями. sklearn.metrics
normalized_mutual_info_score	Нормализованная взаимная информация между двумя кластеризациями. sklearn.metrics
rand_score	Индекс Рэнда. sklearn.metrics
silhouette_samples	Вычислить коэффициент силуэта для каждого образца. sklearn.metrics
silhouette_score	Вычислить средний коэффициент силуэта всех образцов. sklearn.metrics
v_measure_score	V-мера кластеризации при заданной истинной разметке. sklearn.metrics
consensus_score	Сходство двух наборов бикластеров. sklearn.metrics
DistanceMetric	Унифицированный интерфейс для быстрых функций метрики расстояния. sklearn.metrics
additive_chi2_kernel	Вычислить аддитивное хи-квадрат ядро между наблюдениями в X и Y. sklearn.metrics.pairwise
chi2_kernel	Вычислить экспоненциальное хи-квадрат ядро между X и Y. sklearn.metrics.pairwise
cosine_distances	Вычислить косинусное расстояние между образцами в X и Y. sklearn.metrics.pairwise
cosine_similarity	Вычисление косинусного сходства между образцами в X и Y. sklearn.metrics.pairwise
distance_metrics	Допустимые метрики для pairwise_distances. sklearn.metrics.pairwise
euclidean_distances	Вычислите матрицу расстояний между каждой парой из массивов признаков X и Y. sklearn.metrics.pairwise
haversine_distances	Вычислить расстояние Хаверсина между образцами в X и Y. sklearn.metrics.pairwise
kernel_metrics	Допустимые метрики для pairwise_kernels. sklearn.metrics.pairwise
laplacian_kernel	Вычислить лапласово ядро между X и Y. sklearn.metrics.pairwise
linear_kernel	Вычислить линейное ядро между X и Y. sklearn.metrics.pairwise
manhattan_distances	Вычислить расстояния L1 между векторами в X и Y. sklearn.metrics.pairwise
nan_euclidean_distances	Вычисление евклидовых расстояний при наличии пропущенных значений. sklearn.metrics.pairwise
paired_cosine_distances	Вычислить парные косинусные расстояния между X и Y. sklearn.metrics.pairwise
paired_distances	Вычислить парные расстояния между X и Y. sklearn.metrics.pairwise
paired_euclidean_distances	Вычислить парные евклидовы расстояния между X и Y. sklearn.metrics.pairwise
paired_manhattan_distances	Вычислить парные расстояния L1 между X и Y. sklearn.metrics.pairwise
pairwise_kernels	Вычислить ядро между массивами X и необязательным массивом Y. sklearn.metrics.pairwise
polynomial_kernel	Вычислить полиномиальное ядро между X и Y. sklearn.metrics.pairwise
rbf_kernel	Вычислить rbf (гауссово) ядро между X и Y. sklearn.metrics.pairwise
sigmoid_kernel	Вычислить сигмоидное ядро между X и Y. sklearn.metrics.pairwise
pairwise_distances	Вычислить матрицу расстояний из массива признаков X и необязательного Y. sklearn.metrics
pairwise_distances_argmin	Вычислить минимальные расстояния между одной точкой и набором точек. sklearn.metrics
pairwise_distances_argmin_min	Вычислить минимальные расстояния между одной точкой и набором точек. sklearn.metrics
pairwise_distances_chunked	Генерировать матрицу расстояний по частям с возможным сокращением. sklearn.metrics
ConfusionMatrixDisplay	Визуализация матрицы ошибок. sklearn.metrics
DetCurveDisplay	Визуализация кривой компромисса ошибок обнаружения (DET). sklearn.metrics
PrecisionRecallDisplay	Визуализация Precision Recall. sklearn.metrics
PredictionErrorDisplay	Визуализация ошибки предсказания регрессионной модели. sklearn.metrics
RocCurveDisplay	Визуализация ROC-кривой. sklearn.metrics
BayesianGaussianMixture	Вариационный байесовский метод оценки гауссовой смеси. sklearn.mixture
GaussianMixture	Гауссова смесь. sklearn.mixture
GroupKFold	Вариант итератора K-кратной перекрёстной проверки с непересекающимися группами. sklearn.model_selection
GroupShuffleSplit	Итератор перекрестной проверки Shuffle-Group(s)-Out. sklearn.model_selection
KFold	K-кратный перекрестный валидатор. sklearn.model_selection
LeaveOneGroupOut	Перекрестный валидатор Leave One Group Out. sklearn.model_selection
LeaveOneOut	Кросс-валидатор Leave-One-Out. sklearn.model_selection
LeavePGroupsOut	Кросс-валидатор "Оставить P группу(ы) вне выборки". sklearn.model_selection
LeavePOut	Кросс-валидатор Leave-P-Out. sklearn.model_selection
PredefinedSplit	Предопределенный разделитель для кросс-валидации. sklearn.model_selection
RepeatedKFold	Повторяемый K-Fold кросс-валидатор. sklearn.model_selection
RepeatedStratifiedKFold	Повторный послойный K-кратный перекрестный валидатор по классам. sklearn.model_selection
ShuffleSplit	Перекрестный валидатор со случайной перестановкой. sklearn.model_selection
StratifiedGroupKFold	Вариант итератора стратифицированной K-кратной перекрестной проверки по классам с непересекающимися группами. sklearn.model_selection
StratifiedKFold	Стратифицированный K-блочный перекрестный валидатор по классам. sklearn.model_selection
StratifiedShuffleSplit	Классово-стратифицированный перекрестный валидатор ShuffleSplit. sklearn.model_selection
TimeSeriesSplit	Валидатор перекрестной проверки временных рядов. sklearn.model_selection
check_cv	Утилита проверки входных данных для построения перекрёстного валидатора. sklearn.model_selection
train_test_split	Разделить массивы или матрицы на случайные обучающую и тестовую подвыборки. sklearn.model_selection
GridSearchCV	Полный перебор по заданным значениям параметров для оценщика. sklearn.model_selection
HalvingGridSearchCV	Поиск по указанным значениям параметров с последовательным делением пополам. sklearn.model_selection
HalvingRandomSearchCV	Рандомизированный поиск по гиперпараметрам. sklearn.model_selection
ParameterGrid	Сетка параметров с дискретным числом значений для каждого. sklearn.model_selection
ParameterSampler	Генератор параметров, выбранных из заданных распределений. sklearn.model_selection
RandomizedSearchCV	Рандомизированный поиск по гиперпараметрам. sklearn.model_selection
FixedThresholdClassifier	Бинарный классификатор, который вручную устанавливает порог принятия решения. sklearn.model_selection
TunedThresholdClassifierCV	Классификатор, который пост-настраивает порог принятия решений с использованием перекрестной проверки. sklearn.model_selection
cross_val_predict	Генерировать перекрёстно-валидированные оценки для каждой точки входных данных. sklearn.model_selection
cross_val_score	Оценить оценку с помощью кросс-валидации. sklearn.model_selection
cross_validate	Оценить метрику(и) с помощью перекрестной проверки и также записать время обучения/оценки. sklearn.model_selection
learning_curve	Кривая обучения. sklearn.model_selection
permutation_test_score	Оценить значимость перекрестно проверенной оценки с помощью перестановок. sklearn.model_selection
validation_curve	Кривая валидации. sklearn.model_selection
LearningCurveDisplay	Визуализация кривой обучения. sklearn.model_selection
ValidationCurveDisplay	Визуализация кривой валидации. sklearn.model_selection
OneVsOneClassifier	Многоклассовая стратегия "один против одного". sklearn.multiclass
OneVsRestClassifier	Стратегия многоклассовой классификации "один против всех" (OvR). sklearn.multiclass
OutputCodeClassifier	(Error-Correcting) Output-Code стратегия многоклассовой классификации. sklearn.multiclass
ClassifierChain	Многометочная модель, которая организует бинарные классификаторы в цепочку. sklearn.multioutput
MultiOutputClassifier	Многоклассовая классификация. sklearn.multioutput
MultiOutputRegressor	Многозадачная регрессия. sklearn.multioutput
RegressorChain	Многометочная модель, которая организует регрессии в цепочку. sklearn.multioutput
BernoulliNB	Наивный байесовский классификатор для многомерных моделей Бернулли. sklearn.naive_bayes
CategoricalNB	Наивный байесовский классификатор для категориальных признаков. sklearn.naive_bayes
ComplementNB	Дополняющий наивный байесовский классификатор, описанный в Rennie et al. (2003). sklearn.naive_bayes
GaussianNB	Гауссовский наивный байесовский классификатор (GaussianNB). sklearn.naive_bayes
MultinomialNB	Наивный байесовский классификатор для мультиномиальных моделей. sklearn.naive_bayes
BallTree	BallTree для быстрых обобщенных N-точечных задач sklearn.neighbors
KDTree	KDTree для быстрых обобщённых N-точечных задач sklearn.neighbors
KNeighborsClassifier	Классификатор, реализующий голосование k ближайших соседей. sklearn.neighbors
KNeighborsRegressor	Регрессия на основе k ближайших соседей. sklearn.neighbors
KNeighborsTransformer	Преобразовать X в (взвешенный) граф k ближайших соседей. sklearn.neighbors
KernelDensity	Оценка плотности ядра. sklearn.neighbors
LocalOutlierFactor	Обнаружение выбросов без учителя с использованием фактора локальных выбросов (LOF). sklearn.neighbors
NearestCentroid	Классификатор ближайшего центроида. sklearn.neighbors
NearestNeighbors	Неконтролируемый обучающийся для реализации поиска соседей. sklearn.neighbors
NeighborhoodComponentsAnalysis	Анализ компонент соседства. sklearn.neighbors
RadiusNeighborsClassifier	Классификатор, реализующий голосование среди соседей в заданном радиусе. sklearn.neighbors
RadiusNeighborsRegressor	Регрессия на основе соседей в пределах фиксированного радиуса. sklearn.neighbors
RadiusNeighborsTransformer	Преобразовать X в (взвешенный) граф соседей ближе, чем заданный радиус. sklearn.neighbors
kneighbors_graph	Вычислить (взвешенный) граф k-ближайших соседей для точек в X. sklearn.neighbors
radius_neighbors_graph	Вычислить (взвешенный) граф соседей для точек в X. sklearn.neighbors
sort_graph_by_row_values	Отсортировать разреженный граф так, чтобы каждая строка хранилась с возрастающими значениями. sklearn.neighbors
BernoulliRBM	Бернуллиевская ограниченная машина Больцмана (RBM). sklearn.neural_network
MLPClassifier	Многослойный перцептрон-классификатор. sklearn.neural_network
MLPRegressor	Многослойный перцептрон-регрессор. sklearn.neural_network
FeatureUnion	Объединяет результаты нескольких объектов-трансформеров. sklearn.pipeline
Pipeline	Последовательность преобразователей данных с опциональным финальным предсказателем. sklearn.pipeline
make_pipeline	Создать Pipeline из заданных оценщиков. sklearn.pipeline
make_union	Создать FeatureUnion из заданных преобразователей. sklearn.pipeline
Binarizer	Бинаризация данных (установка значений признаков в 0 или 1) в соответствии с порогом. sklearn.preprocessing
FunctionTransformer	Создает преобразователь из произвольной вызываемой функции. sklearn.preprocessing
KBinsDiscretizer	Бинирование непрерывных данных в интервалы. sklearn.preprocessing
KernelCenterer	Центрирование произвольной матрицы ядра \(K\). sklearn.preprocessing
LabelBinarizer	Бинаризация меток в формате one-vs-all. sklearn.preprocessing
LabelEncoder	Кодировать целевые метки значениями от 0 до n_classes-1. sklearn.preprocessing
MaxAbsScaler	Масштабировать каждый признак по его максимальному абсолютному значению. sklearn.preprocessing
MinMaxScaler	Преобразование признаков путем масштабирования каждого признака до заданного диапазона. sklearn.preprocessing
MultiLabelBinarizer	Преобразование между итерируемыми объектами и многометочным форматом. sklearn.preprocessing
Normalizer	Нормализовать образцы индивидуально до единичной нормы. sklearn.preprocessing
OneHotEncoder	Закодировать категориальные признаки как однократно закодированный числовой массив. sklearn.preprocessing
OrdinalEncoder	Кодирует категориальные признаки как целочисленный массив. sklearn.preprocessing
PolynomialFeatures	Генерирует полиномиальные и интерактивные признаки. sklearn.preprocessing
PowerTransformer	Применить степенное преобразование по признакам, чтобы сделать данные более похожими на гауссовы. sklearn.preprocessing
QuantileTransformer	Преобразование признаков с использованием информации о квантилях. sklearn.preprocessing
RobustScaler	Масштабирование признаков с использованием статистики, устойчивой к выбросам. sklearn.preprocessing
SplineTransformer	Генерация одномерных B-сплайновых базисов для признаков. sklearn.preprocessing
StandardScaler	Стандартизировать признаки, удаляя среднее и масштабируя до единичной дисперсии. sklearn.preprocessing
TargetEncoder	Кодировщик целевой переменной для регрессии и классификации. sklearn.preprocessing
add_dummy_feature	Дополнить набор данных дополнительным фиктивным признаком. sklearn.preprocessing
binarize	Булево пороговое преобразование массивоподобных объектов или разреженной матрицы scipy.sparse. sklearn.preprocessing
label_binarize	Бинаризация меток в формате one-vs-all. sklearn.preprocessing
maxabs_scale	Масштабируйте каждый признак до диапазона [-1, 1] без нарушения разреженности. sklearn.preprocessing
minmax_scale	Преобразование признаков путем масштабирования каждого признака до заданного диапазона. sklearn.preprocessing
normalize	Масштабирование входных векторов индивидуально до единичной нормы (длины вектора). sklearn.preprocessing
power_transform	Параметрическое, монотонное преобразование для приведения данных к более гауссовскому виду. sklearn.preprocessing
quantile_transform	Преобразование признаков с использованием информации о квантилях. sklearn.preprocessing
robust_scale	Стандартизировать набор данных вдоль любой оси. sklearn.preprocessing
scale	Стандартизировать набор данных вдоль любой оси. sklearn.preprocessing
GaussianRandomProjection	Уменьшение размерности с помощью гауссовской случайной проекции. sklearn.random_projection
SparseRandomProjection	Уменьшение размерности с помощью разреженного случайного проецирования. sklearn.random_projection
johnson_lindenstrauss_min_dim	Найти «безопасное» количество компонентов для случайного проецирования. sklearn.random_projection
LabelPropagation	Классификатор распространения меток. sklearn.semi_supervised
LabelSpreading	Модель LabelSpreading для полуконтролируемого обучения. sklearn.semi_supervised
SelfTrainingClassifier	Классификатор с самообучением. sklearn.semi_supervised
LinearSVC	Линейная классификация методом опорных векторов. sklearn.svm
LinearSVR	Линейная машина опорных векторов для регрессии. sklearn.svm
NuSVC	Nu-метод опорных векторов для классификации. sklearn.svm
NuSVR	Nu-метод опорных векторов для регрессии. sklearn.svm
OneClassSVM	Обнаружение выбросов без учителя. sklearn.svm
SVC	Классификация методом опорных векторов с C-регуляризацией. sklearn.svm
SVR	Epsilon-Support Vector Regression. sklearn.svm
l1_min_c	Возвращает нижнюю границу для C. sklearn.svm
DecisionTreeClassifier	Классификатор дерева решений. sklearn.tree
DecisionTreeRegressor	Регрессор дерева решений. sklearn.tree
ExtraTreeClassifier	Крайне рандомизированный классификатор дерева. sklearn.tree
ExtraTreeRegressor	Чрезвычайно рандомизированный регрессор дерева. sklearn.tree
export_graphviz	Экспорт дерева решений в формате DOT. sklearn.tree
export_text	Построить текстовый отчёт, показывающий правила дерева решений. sklearn.tree
plot_tree	Постройте дерево решений. sklearn.tree
Bunch	Объект-контейнер, предоставляющий ключи как атрибуты. sklearn.utils
_safe_indexing	Возвращает строки, элементы или столбцы X, используя индексы. sklearn.utils
as_float_array	Преобразовать массивоподобный объект в массив чисел с плавающей точкой. sklearn.utils
assert_all_finite	Вызывает ValueError, если X содержит NaN или бесконечность. sklearn.utils
deprecated	Декоратор для пометки функции или класса как устаревшего. sklearn.utils
estimator_html_repr	Построить HTML-представление оценщика. sklearn.utils
gen_batches	Генератор для создания срезов, содержащих batch_size элементы от 0 до n. sklearn.utils
gen_even_slices	Генератор для создания n_packs равномерно распределенные срезы, идущие до n. sklearn.utils
indexable	Сделать массивы индексируемыми для перекрёстной проверки. sklearn.utils
murmurhash3_32	Вычислить 32-битный murmurhash3 ключа с заданным сидом. sklearn.utils
resample	Перевыборка массивов или разреженных матриц согласованным образом. sklearn.utils
safe_mask	Возвращает маску, безопасную для использования на X. sklearn.utils
safe_sqr	Поэлементное возведение в квадрат массивоподобных объектов и разреженных матриц. sklearn.utils
shuffle	Перемешивание массивов или разреженных матриц согласованным образом. sklearn.utils
Tags	Теги для оценщика. sklearn.utils
InputTags	Теги для входных данных. sklearn.utils
TargetTags	Метки для целевых данных. sklearn.utils
ClassifierTags	Метки для классификатора. sklearn.utils
RegressorTags	Теги для регрессора. sklearn.utils
TransformerTags	Теги для преобразователя. sklearn.utils
get_tags	Получить теги оценщика. sklearn.utils
check_X_y	Проверка входных данных для стандартных оценщиков. sklearn.utils
check_array	Проверка входных данных на массиве, списке, разреженной матрице или подобном. sklearn.utils
check_consistent_length	Проверьте, что все массивы имеют согласованные первые размерности. sklearn.utils
check_random_state	Преобразовать seed в экземпляр np.random.RandomState. sklearn.utils
check_scalar	Проверка типа и значения скалярных параметров. sklearn.utils
check_is_fitted	Выполнить проверку is_fitted для оценщика. sklearn.utils.validation
check_memory	Проверьте, что memory является joblib.Memory-подобным. sklearn.utils.validation
check_symmetric	Убедитесь, что массив двумерный, квадратный и симметричный. sklearn.utils.validation
column_or_1d	Преобразовать столбец или одномерный массив numpy в одномерный, иначе вызывает ошибку. sklearn.utils.validation
has_fit_parameter	Проверить, поддерживает ли метод fit оценщика заданный параметр. sklearn.utils.validation
validate_data	Проверка входных данных и установка или проверка названий признаков и их количества во входных данных. sklearn.utils.validation
available_if	Атрибут, доступный только если check возвращает истинное значение. sklearn.utils.metaestimators
compute_class_weight	Оценить веса классов для несбалансированных наборов данных. sklearn.utils.class_weight
compute_sample_weight	Оценить веса образцов по классам для несбалансированных наборов данных. sklearn.utils.class_weight
is_multilabel	Проверить, если y находится в многометочном формате. sklearn.utils.multiclass
type_of_target	Определить тип данных, указанный целью. sklearn.utils.multiclass
unique_labels	Извлечь упорядоченный массив уникальных меток. sklearn.utils.multiclass
density	Вычислить плотность разреженного вектора. sklearn.utils.extmath
fast_logdet	Вычислить логарифм определителя квадратной матрицы. sklearn.utils.extmath
randomized_range_finder	Вычислить ортонормированную матрицу, чье пространство приближает пространство A. sklearn.utils.extmath
randomized_svd	Вычислить усечённое рандомизированное SVD. sklearn.utils.extmath
safe_sparse_dot	Скалярное произведение, корректно обрабатывающее разреженные матрицы. sklearn.utils.extmath
weighted_mode	Возвращает массив взвешенного модального (наиболее частого) значения в переданном массиве. sklearn.utils.extmath
incr_mean_variance_axis	Вычислить инкрементальное среднее и дисперсию вдоль оси на матрице CSR или CSC. sklearn.utils.sparsefuncs
inplace_column_scale	Масштабирование столбцов на месте для матрицы CSC/CSR. sklearn.utils.sparsefuncs
inplace_csr_column_scale	Масштабирование столбцов на месте для матрицы CSR. sklearn.utils.sparsefuncs
inplace_row_scale	Масштабирование строк на месте для CSR или CSC матрицы. sklearn.utils.sparsefuncs
inplace_swap_column	Поменять местами два столбца матрицы CSC/CSR на месте. sklearn.utils.sparsefuncs
inplace_swap_row	Поменять местами две строки матрицы CSC/CSR на месте. sklearn.utils.sparsefuncs
mean_variance_axis	Вычислить среднее и дисперсию вдоль оси на CSR или CSC матрице. sklearn.utils.sparsefuncs
inplace_csr_row_normalize_l1	Нормализовать на месте строки CSR-матрицы или массива по их L1-норме. sklearn.utils.sparsefuncs_fast
inplace_csr_row_normalize_l2	Нормализуйте на месте строки CSR-матрицы или массива по их L2-норме. sklearn.utils.sparsefuncs_fast
single_source_shortest_path_length	Возвращает длину кратчайшего пути от источника до всех достижимых узлов. sklearn.utils.graph
sample_without_replacement	Выборка целых чисел без замены. sklearn.utils.random
min_pos	Найти минимальное значение массива по положительным значениям. sklearn.utils.arrayfuncs
MetadataRequest	Содержит метаданные запроса информации потребителя. sklearn.utils.metadata_routing
MetadataRouter	Маршрутизация метаданных координат для маршрутизатор объект. sklearn.utils.metadata_routing
MethodMapping	Сохраняет соответствие между вызывающими и вызываемыми методами для маршрутизатор. sklearn.utils.metadata_routing
get_routing_for_object	Получить Metadata{Router, Request} экземпляр из данного объекта. sklearn.utils.metadata_routing
process_routing	Проверить и маршрутизировать метаданные. sklearn.utils.metadata_routing
all_displays	Получите список всех дисплеев из sklearn. sklearn.utils.discovery
all_estimators	Получить список всех оценщиков из sklearn. sklearn.utils.discovery
all_functions	Получить список всех функций из sklearn. sklearn.utils.discovery
check_estimator	Проверить, соответствует ли оценщик соглашениям scikit-learn. sklearn.utils.estimator_checks
parametrize_with_checks	Специфичный для Pytest декоратор для параметризации проверок оценщиков. sklearn.utils.estimator_checks
estimator_checks_generator	Итеративно выдает все проверочные функции для оценщика. sklearn.utils.estimator_checks
Parallel	Настройка joblib.Parallel который распространяет конфигурацию scikit-learn. sklearn.utils.parallel
delayed	Декоратор, используемый для захвата аргументов функции. sklearn.utils.parallel